yoll11下的openvino推理图片代码

我们将best.pt模型转换成openvino的xml和bin文件后,通过转换后的xml文件对图片进行推理。

代码如下:

import openvino as ov
from ultralytics import YOLO
import pathlib

# OpenVINO 初始化
det_model_path = pathlib.Path(r"你的路径/best.xml")

def create_openvino_model(model_path, device="CPU"):
    core = ov.Core()
    model = core.read_model(model_path)
    compiled_model = core.compile_model(model, device)
    return compiled_model

# 创建 OpenVINO 编译模型
det_compiled_model = create_openvino_model(det_model_path)

# 初始化 YOLO 模型,加载原始的 PyTorch 模型文件
pt_model_path = pathlib.Path(r"你的路径/best.pt")  # 假设 best.pt 是原始的 PyTorch 模型文件
det_model = YOLO(pt_model_path, task="detect")

if det_model.predictor is None:
    custom = {"conf": 0.25, "batch": 1, "save": False, "mode": "predict"}  # method defaults
    args = {**det_model.overrides, **custom}
    det_model.predictor = det_model._smart_load("predictor")(overrides=args, _callbacks=det_model.callbacks)
    det_model.predictor.setup_model(model=det_model.model)

# 将 OpenVINO 编译模型绑定到 YOLO 模型的 predictor
det_model.predictor.model.ov_compiled_model = det_compiled_model

# 对 '01756.jpg' 图像进行推理,并获取结果
results = det_model.predict(r"你的路径/00036.jpg", save=True, conf=0.5, iou=0.5)

# 处理返回的结果
for result in results:
    boxes = result.boxes  # 获取边界框信息
    result.show()         # 显示结果

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值